Risk Factors for Low Back Pain Among Filipino Manufacturing Workers and Their Anthropometric Measurements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study looked into the prevalence of and risk factors for low back pain among workers in manufacturing industries in the Philippines. Anthropometric measurements were also done to establish the design principles of the working equipment, protective equipment, and tools of the Filipino worker to prevent musculoskeletal disorder. This was a cross-sectional study using a stratified random sampling technique. Thirty-one industries were selected. Various workstations were sampled from each industry where subjects were selected. There were 495 workers surveyed for the symptoms questionnaire and 544 for the anthropometric measurements. Results showed that 5.1 percent experienced discomfort, 2 percent had trunk rigidity, and 1.4 percent had both limitations of trunk motion and activities of daily living. Logistic regression showed that low back pain was significantly associated with leaning, bending, and carrying for 2-8 hours (p at.05), and with standing for 2-8 hours (p at.001). It was also found to affect work performance and more likely to occur 14 times as often after work as during the initial work sessions. Anthropometric measurements of the workers showed that the mean height is 159.96 cm, mean chest height is 115.70 cm, waist height is 96.95 cm, and knee height is 47.37 cm. Anthropometric data between sexes was also presented. This anthropometry can be used for the design of working equipment of Filipino workers. It is recommended that risk factors for low back pain be understood and equipment be designed according to the body proportions of the workers identified in this study.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle